近年来,随着通信技术的进步,室内位置服务研究得以飞速发展。受GPS工作局限与固件配置约束的影响,以信号能量为尺度的指纹定位方法成为室内定位技术研究的重要方向。然而,室内环境的复杂性导致无线信号在传播时容易引发多径效应,很难对不同场景下的信号变换给出精准的数学模型。同时,虽然指纹方法回避信号载体差异与内容细节,但是定位精度不可避免地易受离线指纹库构建的速度与效率影响。论文分别从离线建库阶段和在线定位阶段入手,减少指纹库建库开销的同时,提高定位精度,主要工作及创新点如下:（1）针对室内定位研究中指纹库构建需要耗费大量人力及时间进行信号采集的问题,提出了一种基于双信标机制和径向基神经网络的指纹库扩展算法。算法能够根据场景需求灵活调整信标点采样比例,在保证预测准确度的前提下,获得最低采样开销;采用径向基神经网络挖掘信标点位置与信号之间深层联系,以此预测待估计位置信号强度,达到扩张指纹库的目的。经实测场景测试,保障预测准确率的前提下,所提算法将指纹库扩展140%,且通过实验验证,平均预测误差较现有算法降低12%以上。（2）针对指纹定位中传统的区域划分方式无法保证区域匹配准确率的问题,提出了一种模糊匹配算法,使得匹配范围动态调整,提高定位速度的同时削弱区域划分带来匹配失准的缺陷。在位置计算阶段则结合多维相似度系数,并引入环境参量重新分配近邻点权重,克服环境和设备的变化对定位带来的不利影响,降低定位误差。经实测场景测试,在保障匹配准确率的前提下,所提算法相较于全局匹配减少60%以上的指纹匹配量,且通过实验验证,定位精度较现有的算法提高17%以上。（3）为了将研究内容与实际工程应用相结合,论文设计并实现了一种基于低功耗蓝牙的位置服务系统。论文将稀疏场景下双信标与径向基的指纹库扩充方法和动态模糊匹配下的多元相似度定位算法移植到系统当中。系统采用移动端APP收集场景指纹数据和用户指纹数据,并将定位算法布置到后台的云服务器,借助云服务器强大的计算力实现位置估算。最后为用户个性化的分析和展现位置数据。论文通过企业项目开发,为研究的算法提供实现的实际应用场景。系统以“客户端+云”的形式实现,为室内场景提供了一套数字化、智能化的人流量与位置追踪管理系统。